Können Sie einige reale Beispiele von Zeitreihen geben, für die ein gleitender Durchschnittsprozess der Ordnung q, dh yt sum q thetai varepsilon varepsilont, Text varepsilont sim mathcal (0, sigma2) hat einige a priori Grund für ein gutes Modell Mindestens Für mich scheinen autoregressive Prozesse intuitiv ganz einfach zu verstehen, während MA-Prozesse auf den ersten Blick nicht so natürlich erscheinen. Ich interessiere mich nicht für theoretische Ergebnisse hier (wie Wolds Theorem oder Invertibility). Als Beispiel für das, was ich suche, nehmen Sie an, dass Sie tägliche Aktienrendite rt sim Text (0, sigma2) haben. Dann haben die durchschnittlichen wöchentlichen Aktienrenditen eine MA (4) - Struktur als rein statistisches Artefakt. In den USA, speichert und Hersteller häufig Coupons, die für einen finanziellen Rabatt oder Rabatte eingelöst werden können, beim Kauf eines Produkts ausgeben. Sie sind oft weit verbreitet per Post, Zeitschriften, Zeitungen, das Internet, direkt vom Händler und mobile Geräte wie Handys. Die meisten Gutscheine haben ein Ablaufdatum, nach dem sie nicht durch den Laden geehrt werden, und dies ist, was produziert quotvintagesquot. Coupons möglicherweise Umsatz steigern, aber wie viele gibt es da draußen oder wie groß der Rabatt ist nicht immer der Daten-Analyst bekannt. Sie können denken, sie eine positive Fehler. Ndash Dimitriy V. Masterov In unserem Artikel Skalierung der Portfolio-Volatilität und Berechnung der Risikobeiträge bei Vorliegen serieller Kreuzkorrelationen analysieren wir ein multivariates Modell der Vermögensrenditen. Aufgrund unterschiedlicher Abschlusszeiten der Börsen erscheint eine Abhängigkeitsstruktur (nach der Kovarianz). Diese Abhängigkeit gilt nur für eine Periode. So modellieren wir diese als Vektor-gleitenden Durchschnittsprozess der Ordnung 1 (siehe Seiten 4 und 5). Das resultierende Portfolio-Verfahren ist eine lineare Transformation eines VMA (1) - Verfahrens, das im allgemeinen ein MA (q) - Verfahren mit qge1 ist (siehe Details auf den Seiten 15 und 16). Sie geben einige Beispiele aus der Praxis von Zeitreihen, für die ein gleitender Durchschnittsprozess der Ordnung q, dh yt sum q thetai varepsilon varepsilont, Text varepsilont sim mathcal (0, sigma2) hat einige a priori Grund Für ein gutes Modell Zumindest für mich scheinen autoregressive Prozesse intuitiv intuitiv zu verstehen, während MA-Prozesse auf den ersten Blick nicht so natürlich erscheinen. Ich interessiere mich nicht für theoretische Ergebnisse hier (wie Wolds Theorem oder Invertibility). Als Beispiel für das, was ich suche, nehmen Sie an, dass Sie tägliche Aktienrendite rt sim Text (0, sigma2) haben. Dann haben die durchschnittlichen wöchentlichen Aktienrenditen eine MA (4) - Struktur als rein statistisches Artefakt. In den USA, speichert und Hersteller häufig Coupons, die für einen finanziellen Rabatt oder Rabatte eingelöst werden können, beim Kauf eines Produkts ausgeben. Sie sind oft weit verbreitet per Post, Zeitschriften, Zeitungen, das Internet, direkt vom Händler und mobile Geräte wie Handys. Die meisten Gutscheine haben ein Ablaufdatum, nach dem sie nicht durch den Laden geehrt werden, und dies ist, was produziert quotvintagesquot. Coupons möglicherweise Umsatz steigern, aber wie viele gibt es da draußen oder wie groß der Rabatt ist nicht immer der Daten-Analyst bekannt. Sie können denken, sie eine positive Fehler. Ndash Dimitriy V. Masterov In unserem Artikel Skalierung der Portfolio-Volatilität und Berechnung der Risikobeiträge bei Vorliegen serieller Kreuzkorrelationen analysieren wir ein multivariates Modell der Vermögensrenditen. Aufgrund unterschiedlicher Abschlusszeiten der Börsen erscheint eine Abhängigkeitsstruktur (nach der Kovarianz). Diese Abhängigkeit gilt nur für eine Periode. So modellieren wir diese als Vektor-gleitenden Durchschnittsprozess der Ordnung 1 (siehe Seiten 4 und 5). Das resultierende Portfolio-Verfahren ist eine lineare Transformation eines VMA (1) - Verfahrens, das im allgemeinen ein MA (q) - Verfahren mit qge1 ist (siehe Details auf den Seiten 15 und 16). Beantwortet Dec 3 12 at 21: 39Unvertierbarkeit von MA (q) Prozesse Genau wie wir definieren können, eine unendliche Reihenfolge gleitenden Durchschnitt Prozess. Können wir auch einen unregelmäßigen autoregressiven Prozess definieren, AR (). Es stellt sich heraus, dass jeder stationäre MA (q) Prozess als ein AR () Prozess ausgedrückt werden kann. Z. B. Angenommen, wir haben ein MA (1) - Verfahren mit 0. Auf diese Weise fortgesetzt, erhalten wir nach n Schritten. Es ergibt sich, daß, wenn 1 lt 1 ist, diese unendliche Reihe zu einem endlichen Wert konvergiert. Solche MA (q) - Prozesse werden invertierbar. Eigenschaft 1. Wenn 1 lt 1 ist, dann ist der MA (1) Prozess invertierbar Real Statistics Function. Das Real Statistics Resource Pack liefert die folgende Array-Funktion, wobei R1 ein q 1-Bereich ist, der die Theta-Koeffizienten des Polynoms enthält, wobei q in der ersten Position ist und 1 in der letzten Position ist. MARoots (R1): gibt einen q 3 - Bereich zurück, wobei jede Zeile eine Wurzel enthält und wobei die erste Spalte aus dem Realteil der Wurzeln besteht, die zweite Spalte aus dem Imaginärteil der Wurzeln besteht und die dritte Spalte den Absolutwert enthält Der Wurzeln Diese Funktion ruft die Wurzelfunktion auf, die in Wurzeln eines Polynoms beschrieben ist. Beachten Sie, dass genau wie in den ROOTS-Funktionen die MARoots-Funktion die folgenden optionalen Argumente annehmen kann: prec die Genauigkeit des Ergebnisses, d. H. Wie nahe an Null ist akzeptabel. Dieser Wert ist 0,00000001. Iter die maximale Anzahl der Iterationen, die bei der Durchführung der Bairstows-Methode durchgeführt werden. Der Standardwert ist 50. r, s die anfänglichen Samenwerte bei Verwendung der Bairstows-Methode. Diese Voreinstellung wird auf Null gesetzt. Beispiel 1 . Bestimmen Sie, ob das folgende MA (3) - Verfahren invertierbar ist. Wir setzen die Matrixformel MARoots (B3: B5) im Bereich D3: F5 ein, um die in Abbildung 1 dargestellten Ergebnisse zu erhalten Drei Wurzeln der charakteristischen Gleichung sind -.6058281.23715 i. -.6058281.23715 i und -0,87832. Da der absolute Wert der reellen Wurzel kleiner als 1 ist, schließen wir, dass der Prozess nicht invertierbar ist.
No comments:
Post a Comment